差がつくAI活用の共通点「業務の言語化」

下野(しもの)SumFlat代表・Webエンジニア 公開 更新 No.006 約5分で読めます
CONTENTS目次
  1. 01差がつくAI活用のポイントは「業務の言語化」——リサーチ業務を例に
  2. 02「条件を絞って頼む」だけでは差別化にならない
  3. 03差がつくAI活用をしている人がやっている業務の再現
  4. 04言語化できないときは、AIに逆質問させる
  5. 05まとめ
  6. 06参考リンク
  7. 07この記事を書いた人

差がつくAI活用のポイントは「業務の言語化」——リサーチ業務を例に

「AIにリサーチを頼んでいます」

そう聞くと、もう誰でもやっていることのように思えるかもしれません。

しかし、差がつくAI活用のポイントは、指示の出し方ではありません。
同じAIを使っていても、成果物の質にはっきりと差が出るのはなぜでしょうか。
その理由は、自分の既存業務をどれだけ言語化してAIに渡せているかにあります。
今回は、メディアのライターや編集者さんの業務を例に、この差がつくAI活用のポイントを解説します。


「条件を絞って頼む」だけでは差別化にならない

AIにある程度の条件を絞って「こういう記事を取ってきてください」「このテーマでリサーチしてください」と指示する使い方は、いまや誰もがやっています。プロンプトを工夫したところで、みんな似たような指示を出し、似たような結果を受け取っている状態です。

さらに問題なのは、この使い方では自分がこれまでの業務で培ってきたナレッジやノウハウがまったく活かされないことです。長年ライターとして記事を作ってきた人にも、メディアの編集者として記事を作ってきた人にも、それぞれ独自の「勘所」があるはずです。それをAIに渡さずに一般的な指示だけで済ませてしまうのは、自分の強みを手放しているのと同じです。


差がつくAI活用をしている人がやっている業務の再現

差がつくのは、これまで自分がやってきた業務のプロセスを、そのままAIのワークフローとして再現する使い方です。ここに差がつくAI活用のポイントがあります。つまり、「何を作らせるか」ではなく「どう作るか」をAIに渡すことが重要です。

たとえば、メディアの編集者が記事を作る前に行う「競合記事分析」と「関連キーワード調査」を例にすると、次のような流れになります。

1. 狙うテーマのキーワードで検索し、上位に表示されている記事を集める
     ↓
2. それらの記事に共通する構成や、扱われているキーワードを洗い出す
     ↓
3. 見つけたキーワードから派生する関連キーワードをさらに調べる
     ↓
4. 1〜3を繰り返し、読者が知りたい周辺テーマまで深掘りしていく

これは、編集者が日常的に行っている競合記事分析とキーワード調査の手順です。しかし、この手順を言語化せずに「〇〇についてリサーチして」とだけ指示すると、AIは一般的な調べ方しかできません。逆に、この手順そのものをAIに渡せば、AIは同じ深掘りの型で動くようになります。

編集者の業務であれば、企画の立て方、構成の組み方、見出しの付け方、事実確認の順序――こうした既存業務のプロセスを一つずつ言語化し、AIのワークフローに落とし込むことで、これまでのノウハウがそのままAIの成果物に反映されるようになります。


言語化できないときは、AIに逆質問させる

「自分の業務プロセスをうまく言葉にできない」というケースも少なくありません。長年の経験でほぼ無意識に行っている判断ほど、言語化は難しいものです。

こうした場合に有効なのが、AIから逆質問をさせるアプローチです。自分から一方的に説明しようとするのではなく、AIに「この業務について、判断に迷うポイントはどこですか」「どういう基準で次の一手を決めていますか」といった質問を投げかけてもらい、それに答える形で業務を掘り下げていきます。

対話を通じて質問に答えていくうちに、自分でも意識していなかった判断基準や暗黙のルールが浮かび上がってきます。つまり、この対話のプロセス自体も差がつくAI活用のポイントの一つです。これをそのまま組み込めば、言語化が苦手な人でも既存業務をAIに再現させることができます。


まとめ

つまり、差がつくAI活用とは、指示の出し方の巧拙ではなく、自分の既存業務をどれだけ言語化し、AIのワークフローとして再現できるかです。条件を絞って頼むだけの使い方は誰でもできますが、これまでのナレッジやノウハウをAIに渡すことは、その業務を実際にやってきた人にしかできません。言語化が難しい場合は、AIに逆質問をさせて業務を掘り下げるところから始めてみてください。

なお、業務のなかで暗黙のうちに使ってきた判断基準(暗黙知)を言葉にして共有できる形(形式知)に変える考え方は、ナレッジマネジメント分野のSECIモデルとしても知られています。差がつくAI活用をしている人は、この転換をAIとの対話で行っているとも言えます。

自分の業務プロセスをAIのワークフローとして設計する具体的な手法についてはTodoリストを積むだけでいい——Claude CodeのloopとTodoistでタスクをAIに任せるでも解説していますので、あわせてご覧ください。また、AIに役職や権限を持たせて組織的に運用する話はClaude Codeで実現する組織設計を参考にしてください。


参考リンク


この記事を書いた人

サムフラットの下野です。

普段はAI活用のコンサルティングや実装支援をやっています。「AIを導入する」ことではなく「AIで成果を出す」ことにこだわって、企業・個人のAI活用を支援しています。

この記事の内容をもとに自社の業務をAIワークフロー化したい、あるいは自分のビジネスにAIをどう取り入れればいいか相談したい、という方はお気軽にお問い合わせください。

お問い合わせはこちら →

SHARE Xでシェア Facebook
この記事を書いた人 下野 悟

SumFlat株式会社 代表取締役/Webエンジニア

チームラボなどでWeb開発に携わり、スタートアップのCTOも経験。現在は、中小企業向けにAI業務改善とシステム開発を行っている。

プロフィールを見る →
NEXT STEP

記事を読んで終わりにしない、
はじめの一歩を。

「自社の場合はどうなる?」を、業務の内容にあわせて一緒に整理します。まだ何も決まっていなくても大丈夫です。

あわせて読みたい

記事一覧へ →
CONTACTAI活用について相談する